比较基于遥感的玉米锈病易感性表型分析的统计“表型预测”模型-慧诺瑞德（北京）科技有限公司|叶绿素荧光|光合作用|植物表型

学术中心

全部分类

比较基于遥感的玉米锈病易感性表型分析的统计“表型预测”模型

发布时间：

2025-11-27

来源：

作者：

本文通过综合利用所有可用数据预测人为指定的视觉评分（Visual Score, VS）探讨了表型预测（Phenomic Prediction, PP）在基于遥感的表型遗传研究中的潜力。作者的构思动机是：当一个训练好的模型可用时，这些预测可能比使用特定的植被指数(vegetation index, VI)提供更准确的病害症状评估。为了评估PP方法，作者在全基因组关联研究(Genome-Wide Association Study, GWAS)中使用了预测的VS，并考虑了检测到的遗传信号的强度和位置。试验使用了两组不同的预测变量：i)由多光谱和热成像仪捕获的5个基本波长（Basic Traits, BT）；ii)由5个基本波长加上10个植被指数组成的所有性状(All Traits, AT)。另外，作者比较了不同统计方法：a）（线性）普通最小二乘回归（Ordinary Least Squares regression, OLS）；b）（线性）岭回归（Ridge Regression, RR）；c）（线性）最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator, LASSO）；d）人工神经网络（Artificial Neural Network, ANN）和e）梯度提升回归树（Gradient Boosted Regression Tree, GBRT）。

结果表明，基于五个基本波长的线性OLS回归（BT-OLS）表现出与最佳单个植被指数G相当的水平。在基于AT-OLS使用的所有特征导致了过拟合，而AT-RR和AT-LASSO中的正则化可以防止过拟合。非线性ANN似乎进一步改善了结果，但方法之间的差异并不具有统计学意义。当使用不同性状（VS、基本波长、植被指数）的基因组估计育种值（Genomic Estimated Breeding Values, GEB）时，可以观察到遗传信号纯化的最佳改善。在所有方法中，GEBVs与岭回归或非线性神经网络的结合表现出最佳预测精度。

本研究使用训练好的线性模型作为训练集数据外的“表型植被指数”，而不是依赖于特定的植被指数。因此，所有可用数据的集成能够提供比依赖特定植被指数更精准的方案。

图1. 不同遗传评估

图2. GWAS分析中（以及在10号染色体上）基于ANN的预测比植被指数G表现更高的-log（p）值的次数直方图

图3. GWAS分析中基于GEBV的ANN预测导致比植被指数G表现更高的log（p）值的次数直方图

图4. 基于GEBVs的ANN预测的次数的直方图确定了与植被指数G具有最强信号的相同分子标记

表1. 模型、分析和结果

表2. BT-OLS对VS的预测能力

表3. 基于BT-OLS使用"表型"植被指数预测GWAS分析中的遗传信号

表4. AT-RR对VS的预测能力

表5. 基于RR使用基于性状的GEBVs预测GWAS分析中的遗传信号

表6. 基于GBRT使用基于性状的GEBVs预测GWAS分析中的遗传信号

来源

J.W.R. Martini, O.A. Montesinos-Lopez, J. Crossa, R. Ortiz, Comparingstatistical ‘phenomic prediction’ models for remote-sensing-based phenotyping of maize susceptibility tocommon rust, Plant Phenomics, https://doi.org/10.1016/j.plaphe.2025. 100134

编辑

JAYz

推荐新闻

石时之约|韩志国：透过表型数据，看见植物的喜怒哀乐！

本期石时之约，我们将对话慧诺瑞德（北京）科技有限公司总经理、国际植物表型学会（IPPN）执委会委员/工业分会副主席韩志国，一起从表型数据的科学角度，去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起，为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种，是在给定的环境条件下，选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种，从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选，是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”，要在肉眼可见之前就能测量并预判出变化趋势，才是这个技术的核心价值。叶绿素荧光成像，恰好满足了这个要求。

视频展示